Anda di halaman 1dari 5

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Salah satu aplikasi sistem cerdas yang paling sukses dan masih
berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah
suatu ilmu untuk memperkirakan beban listrik di masa yang akan datang
berdasarkan beban yang telah ada sebelumnya. Berdasarkan jangka waktunya,
perkiraan beban dapat di bagi menjadi tiga kategori: jangka pendek, jangka
menengah, dan jangka panjang. Tidak ada rumus yang eksak untuk membuat
prakiraan beban ini, sehingga perlu ada teknik atau metode dalam membuat
prakiraan beban tersebut. Salah satu penerapan logika fuzzy adalah dalam
menentukan prakiraan energi listrik. Prakiraan beban, terutama pada jam beban
puncak adalah dasar untuk estimasi sistem, kalkulasi teknis dan ekonomis. Hal ini
memungkinkan untuk dikembangkan dalam operasi pemeliharaan peralatan listrik
dan rencana konfigurasi operasi jaringan. Kesulitan utama dalam memprakirakan
beban pada beban puncak untuk bus penerima dalam sistem distribusi tenaga
listrik berasal dari sifat acak beban, keanekaragaman bentuk beban di bagian
sistem yang berbeda, kurangnya data terukur dan tidak lengkap serta tidak
pastinya karakter informasi di beban dan konsumen. Konsumsi energi listrik
dalam periode waktu yang berbeda, tingkat rata-rata konsumsi daya yang
diijinkan oleh transformator dan pengukuran beban secara tersendiri, merupakan
faktor-faktor pendekatan yang berhubungan dengan prakiraan beban dalam sistem
distribusi bus. Pendekatan yang lain berupa konsumsi energi per periode oleh
konsumen dibagi ke dalam kelompok-kelompok yang memiliki bentuk beban
yang berbeda.

Kecukupan pasokan tenaga listrik diukur dengan melihat kemampuan


pasokan daya listrik pada saat beban puncak. Hal ini mengingat sifat tenaga listrik
yang tidak dapat disimpan, sehingga kebutuhan suatu saat harus dipasok saat itu
juga. Disamping itu, kebutuhan tenaga listrik bersifat acak dan dinamis sehingga
diperlukan strategi perkiraan pertumbuhan beban dan penyediaan daya yang
terdis- tribusi sesuai dengan dinamika kebutuhan beban. Dalam sistem kelistrikan
proyeksi atau ramalan sangat dibutuhkan untuk memperkirakan dengan tepat
seberapa besar daya listrik yang dibutuhkan untuk melayani beban dan kebutuhan
energi dalam distribusi energi listrik. Karena selain faktor teknis, faktor ekonomi
juga merupakan faktor terpenting yang perlu diperhitungkan. Bila perkiraan yang
tidak tepat akan menyebabkan tidak cukupnya kapasitas daya yang disalurkan
untuk memenuhi kebutuhan beban, sebaliknya jika perkiraan beban terlalu besar

1
2

maka akan menyebabkan kelebihan kapasitas daya sehingga menyebabkan


kerugian.

Perkiraan beban jangka pendek adalah untuk jangka waktu beberapa jam
(dinyatakan tiap setengah jam) per hari. Dalam perkiraan beban jangka pendek
batas atas untuk beban maksimum dan batas bawah untuk beban minimum yang
ditentukan dalam perkiraan beban jangka menengah. Perkiraan beban jangka
menengah adalah untuk jangka waktu dari satu bulan sampai dengan satu tahun.
Poros untuk perkiraan beban jangka menengah adalah perkiraan beban jangka
panjang. Perkiraan beban jangka panjang adalah untuk jangka waktu di atas satu
tahun. Dalam perkiraan beban jangka panjang, masalah-masalah makro ekonomi
yang merupakan masalah ekstern perusahaan listrik merupakan faktor utama yang
menentukan arah perkiraan beban (Marsudi (2005a)).

Namun dalam menentukan besar perkiraan energi listrik di waktu yang


akan datang tidaklah mudah. Banyaknya faktor yang terlibat dalam perhitungan
menjadi kendala dalam mengambil kebijakan untuk mendapatkan persediaan
energi listrik. Perkiraan beban umumnya mengacu pada statitik masa lalu dan atas
dasar analisis karakteristik beban masa lalu. Karakteristik beban masa lalu
biasanya dipengaruhi oleh beberapa faktor seperti: cuaca, waktu, ekonomi, dan
gangguan acak (Marsudi. (2005b)). Faktor-faktor cuaca termasuk temperatur,
kelembaban, kecepatan angin, keadaan awan, dan intensitas cahaya. Perubahan
cuaca menyebabkan perubahan terhadap kenyamanan konsumen dan berpengaruh
terhadap penggunaan peralatan. Salah satu yang berpengaruha adalah faktor suhu.
Penghantar merupakan salah satu komponen terpenting dalam sistem distribusi
daya listrik. Kemampuan penghantar dalam menghantarkan arus listrik salah
satunya dipengaruhi oleh temperatur di sekitar penghantar. Temperatur di sekitar
penghantar akan menyebabkan perubahan konduktivitas penghantar, semakin
besar suhu maka konduktivitas penghantar akan semakin kecil. Faktor waktu
mempengaruhi beban pada saat hari libur, hari kerja, hari besar keagamaan, dan
lain sebagainya. Faktor ekonomi mempen- garuhi beban karena listrik merupakan
suatu komoditas. Situasi ekonomi mempen- garuhi penggunaan komoditas ini
seperti derajat industrialisasi, harga listrik, dan kebijakan manajemen beban.
Faktor gangguan acak yaitu seperti mematikan atau menghidupkan alat-alat berat
pada suatu industri besar, gangguan pada jaringan, dan adanya acara-acara khusus
3

seperti adanya pertandingan olahraga yang digemari oleh konsumen (Feinberg


(2004)).

Di dalam perhitungan logika fuzzy untuk fuzzy inference systems terdapat


beberapa metode, yaitu metode Tsukamoto, metode Mamdani, dan metode
Sugeno. Setiap metode tersebut memiliki cara dan hasil perhitungan yang tidak
jauh berbeda (Setiadji (2009)). Pada metode Mamdani sering dikenal dengan
Metode Min- Max. Metode Mamdani diperkenalkan oleh Ebrahim Mamdani pada
tahun 1975. Pada metode Mamdani, untuk memperoleh hasil keluaran output,
diperlukan 4 tahapan, yaitu: Pembentukan himpunan fuzzy, Aplikasi fungsi
implikasi (aturan), Komposisi aturan, dan Penegasan (defuzzifikasi). Tidak seperti
penalaran monoton pada metode Tsukamoto, apabila sistem terdiri dari beberapa
aturan, maka pada metode Mamdani penalaran diperoleh dari kumpulan dan
korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi
sistem fuzzy, yaitu: max, additive dan probabilitas OR (probor). Pada metode
Mamdani, ada beberapa metode defuzzifikasi yang digunakan, antara lain: metode
Centroid (composite moment), metode bisektor, metode MOM (Mean of
Maximum), metode LOM (Largest of Maximum), metode SOM (Smallest of
Maximum). Penalaran dengan metode Sugeno hampir sama dengan penalaran
Mamdani, hanya saja keluaran/kon- sekuen sistem tidak berupa himpunan fuzzy,
melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh
Takagi-Sugeno Kang pada tahun 1985.

Dalam kasus ini, permasalahan yang timbul adalah bagaimana cara


mener- apkan metode dari fuzzy inference system yaitu metode fuzzy inference
system Tsukamoto untuk memprediksi jumlah kebutuhan energi listrik
mengggunakan data beban dan memasukkan faktor-faktor yang mempengaruhi
beban listrik seperti suhu sebagai masukkannya. Adapun landasan dari peramalan
jumlah kebutuhan energi listrik untuk penggunaan energi listrik yang dibutuhkan
pada tahun 2016 untuk penggunaan beban listrik jangka pendek yang akan terjadi
pada bulan Februari khususnya untuk penggunaan di kota Medan. Data yang
digunakan untuk meramalkan yaitu data beban harian sub sistem Sumatera Utara-
Aceh. Pengenalan mengenai metode Tsukamoto adalah sebagai berikut: Pada
metode Tsukamoto, setiap aturan direpresentasikan menggunakan himpunan-
himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan
nilai hasil yang tegas/ output crisp (Z) dicari dengan cara mengubah input (berupa
4

himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy menjadi


bilangan pada domain himpunan fuzzy tersebut. Cara ini disebut dengan metode
defuzzifikasi (penegasan). Metode defuzzifikasi yang digunakan dalam metode
Tsukamoto adalah metode defuzzifikasi rata-rata berbobot (Weighted Average
Defuzzyfier).
Metode Tsukamoto ini dipilih karena setiap konsekuen pada aturan yang
berbentuk IF-THEN direpresentasikan dengan himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya, hasil dari setiap aturan diberikan
secara tegas berdasarkan a disebut dengan alfa predikat, kemudian diperoleh hasil
akhir dengan menggunakan rata-rata terpusat atau pembobotan terpusat. Metode
ini akan digunakan untuk menentukan besar perkirakan beban energi listrik
berdasarkan data historis beban harian sub sistem Sumatera Utara-Aceh dan faktor
cuaca yang mempengaruhi beban energi listrik yaitu suhu. Pada penelitian ini,
asumsi yang diambil pun masih sederhana, yaitu bahwa besar daya listrik
dipengaruhi oleh intensitas cahaya, dan suhu. Banyak lagi faktor-faktor yang
dapat mempengaruhi beban, yaitu: selera, luas ruangan, seni, kelembaban udara,
gangguan acak, termasuk jumlah penduduk. Data beban historis harian, faktor
suhu dan data ramal beban adalah variabel-variabel yang akan direpresentasikan
dengan fungsi keanggotaan pada fuzzy.

Untuk mengimplementasikan teknik logika fuzzy ke suatu aplikasi yang


nyata mengikuti tiga langkah-langkah:

1. Fuzzifikasi: Mengubah data klasik atau data crisp ke data fuzzy atau
dengan kata lain ke dalam fungsi keanggotaan.
2. Proses inferensi fuzzy: Mengkombinasikan fungsi keanggotaan dengan
aturan-aturan kendali untuk mengambil hasil fuzzy.
3. Defuzzifikasi: Menggunakan metode-metode yang berbeda untuk
menghitung tiap hasil yang berhubungan dan meletakkannya kedalam
suatu tabel.

1.2. Rumusan Masalah

Berdasarkan latar belakang masalah yang dikemukakan sebelumnya,


permasalahan yang diangkat dalam penelitian ini adalah: Bagaimana penerapan
dari Metode fuzzy inferences system Tsukamoto untuk memperkirakan besar
5

kebutuhan beban energi listrik jangka pendek berdasarkan data historis beban
harian sub system Sumatera Utara-Aceh dan data historis suhu sebagai faktor
yang mempengaruhi.
1.3. Batasan Masalah

Penelitian ini difokuskan pada pembahasan dengan beberapa batasan


masalah sebagai berikut:

1. Kebutuhan energi listrik jangka pendek yang hendak diestimasi adalah


untuk ruang lingkup yang berada di wilayah SUMBAGUT.
2. Metode yang digunakan adalah dengan metode dari fuzzy inference
system yaitu: metode fuzzy inference system Tsukamoto untuk
memprediksi jumlah kebutuhan energi listrik jangka pendek berdasarkan
data historis beban puncak jangka pendek energi listrik sub sistem
Sumatera Utara- Aceh.
3. Salah satu faktor yang mempengaruhi beban listrik yang digunakan
adalah faktor suhu (temperatur).
4. Penelitian dilakukan dengan memperkirakan kebutuhan energi listrik
jangka pendek yang dilakukan hanya pada bulan Februari 2016 minggu
ke empat pada jam-jam yang merupakan jam beban puncak.

1.4. Tujuan Penelitian

Tujuan dari penulisan ini adalah:

Menerapkan metode fuzzy inference system Tsukamoto dalam memprediksi


besar kebutuhan beban energi listrik berdasarkan data historis harian beban energi
listrik sub sistem Sumatera Utara-Aceh kota Medan dan data suhu historis yang
mempengaruhi penggunaan beban energi listrik.

1.5. Manfaat penelitian

Penelitian ini diharapkan dapat bermanfaat untuk menambah ilmu untuk


menerapkan penggunaan metode Fuzzy Inference System Tsukamoto sebagai
metode alternatif untuk peramalan besar kebutuhan beban energi listrik jangka
pendek di kota Medan dan sebagai informasi mengenai penggunaan logika fuzzy
dalam Matlab.

Anda mungkin juga menyukai